前言

在生成式 AI 與大型語言模型快速更迭的當下，在網路等各種渠道經常可以看到各種像吸引眼球的標題

AI 迭代快到跟不上？一文看懂大型語言模型的進化速度與生存指南
LLM 戰國時代：看微軟、Google、Meta 如何在模型快速更迭中爭奪霸主
模型天天在變，企業該如何打造「防過時」的 AI 導入策略？
算力邊界在哪？大型語言模型快速迭代引發的能源與架構反思
.....

AI框架日新月異、概念層出不窮，許多開發者面臨著技術追趕的焦慮，但若是初學者一開始就嘗試建構龐大的企業級架構，往往會耗費大量時間在雲端網路設定、伺服器部署、繁瑣的權限管理和資安保障等問題中。

因此在本次《30 天玩轉 Google AI 全家桶：初學者的隨身 Coding 助理養成記》的挑戰中，我們將為自己日常開發打造一個在終端機運行的輕量小幫手 —— DevPulse。
我們將目光聚焦於 Google 輕量、現代且具備免費額度的 AI 生態系，透過這個生態系統來循序漸進地掌握現代 AI 開發的核心工作流和掌握 Google AI 生態系的核心技術。

DevPulse能做甚麼以及如何去做如何

在開始實作前，我們先簡單定義希望DevPulse能實現的功能

三大核心實作場景：

1. 即時代碼診斷：在終端機隨手丟入程式片段，由 AI 快速定位邏輯盲點、邊界條件疏漏或非同步調用錯誤。
2. 自動產生補丁與測試驗證：透過嚴格的資料型別約束（Schema）讓 AI 輸出修正代碼，並透過單元測試的紅燈（Fail）轉綠燈（Pass）直觀驗證修復結果。
3. 對話式儀表板生成：利用 Google 新一代前端生成工具，以自然語言提示詞一鍵產生個人代碼健康看板。

Google AI 工具矩陣與技術選型

為了確保學習過程零門檻且無財務負擔，本系列選用的工具均符合個人開發者零門檻、具備安全免費額度與代表 Google 最新技術趨勢三大原則：

安全防護提醒：本系列堅決排除需高額承諾配額的 Vertex AI 企業功能與 Gemini Enterprise Agent。我們將採用純免費用途的隔離專案進行所有實驗，徹底杜絕財務風險 (筆者的財力燒不起這些功能)。

30 天階梯式學習地圖

整個系列採用階梯式設計，將 30 天切分為四個難度平緩遞增的階段：

DevPulse 30 天學習階梯
├── 第 1 週（Day 01–07）：網頁實驗與提示詞心法
│   └── 熟悉 Google AI Studio 操作、System Instructions、Few-Shot、CoT 及長上下文分析
├── 第 2 週（Day 08–14）：API 串接與結構化輸出
│   └── 掌握 Gemini API 本地呼叫、串流打字機效果、JSON Mode、Zod Schema 與 Embeddings
├── 第 3 週（Day 15–21）：探索 Google 現代化 AI 生態
│   └── 上手 Firebase Genkit 流程編排、Google Stitch 介面生成與 Google Antigravity 代理人
└── 第 4 週（Day 22–30）：DevPulse 實戰組裝與收斂
    └── 本機 CLI 指令封裝、15 組微型 Bug 題庫自動修復、單元測試紅綠燈驗收與開源總結

Day 1 實作清單

在正式進入明日的帳號與環境設定前，我們先完成基礎專案骨架的初始化：

# 建立 DevPulse 專案目錄並初始化
mkdir devpulse-assistant && cd devpulse-assistant
npm init -y

# 建立微型題庫與測試目錄
mkdir -p samples tests

明天我們將進入 Day 02，詳細拆解 Google AI Studio 的免費額度機制、API 速率限制（RPM/RPD）以及雙專案隔離防護設定，確保整個實作過程零花費安全起步